CN111368626B - 车辆识别方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了一种车辆识别方法、装置、电子设备和存储介质，属于智能交通技术领域。本申请实施例提供了一种车辆识别方法，获取同一非载客车辆的多张目标抓拍图像；对每张目标抓拍图像进行人脸识别，得到多张人脸图像；基于多张人脸图像，确定非载客车辆内除司机之外的不同乘客的第一数量；当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆。该方法通过对目标抓拍图像进行人脸识别，根据人脸识别结果确定非载客车辆中不同乘客的数量，通过比较不同乘客的数量和第一预设阈值，来确定该非载客车辆是否为非法营运车辆，而无需根据登记的非法营运车辆的车辆信息进行模型训练，提高了车辆识别的准确率。

Description

车辆识别方法、装置、电子设备和存储介质

技术领域

本申请涉及智能交通技术领域，特别涉及一种车辆识别方法、装置、电子设备和存储介质。

背景技术

当前许多城市出现越来越多的非法营运车辆。非法营运车辆是指没有依法取得营运权而以有偿服务实施非法营运的车辆。非法营运车辆不仅扰乱了正常的交通运输秩序，损害乘客的合法权益，严重时还会影响乘客的生命财产安全。而如何识别非法营运车辆成为亟需解决的问题。

相关技术中，主要是先从车管所获取多个非法营运车辆的车牌信息和多个合法营运车辆的车牌信息，然后根据多个非法营运车辆的车牌信息和多个合法营运车辆的车牌信息，获取多个非法营运车辆的过车数据和多个合法营运车辆的过车数据，对上述过车数据进行处理，得到过车数据的原始特征属性，该原始特征属性包括过车时间、卡口编号和车速。根据原始特征属性进行模型训练，得到非法营运车辆识别模型。根据该非法营运车辆识别模型识别过往车辆，确定过往车辆是否为非法营运车辆。

但相关技术中在训练得到非法营运车辆识别模型时，需要大量的非法营运车辆的车辆信息及合法营运车辆的车辆信息，而大部分非法营运车辆并不会在车管所登记其为非法营运车辆。因此，训练非法营运车辆识别模型时，只有少数的非法营运车辆的车辆信息。因此，通过上述方法训练得到的非法营运车辆识别模型在识别非法营运车辆时，错误率较高，识别准确率低。

发明内容

本申请实施例提供了一种车辆识别方法、装置、电子设备和存储介质,能够解决对非法营运车辆识别准确率低的问题。所述技术方案如下：

一方面，提供了一种车辆识别方法，所述方法包括：

获取同一非载客车辆的多张目标抓拍图像，每张所述目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像；

对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像；

基于所述多张人脸图像，确定所述非载客车辆内除司机之外的不同乘客的第一数量；

当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆。

在一种可能的实现方式中，所述当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆，包括：

当所述第一数量大于所述第一预设阈值时，根据所述非载客车辆的每张所述目标抓拍图像的抓拍时间，统计抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量；所述第二抓拍时间范围小于或者等于所述第一抓拍时间范围；

当所述第二数量大于第二预设阈值时，确定所述非载客车辆为非法营运车辆。

在另一种可能的实现方式中，所述当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆，包括：

当所述第一数量大于所述第一预设阈值时，获取所述非载客车辆在第三抓拍时间范围内的出行轨迹，所述第三抓拍时间范围大于或者等于所述第一抓拍时间范围；

当所述出行轨迹覆盖的轨迹范围大于预设轨迹范围时，确定所述非载客车辆为非法营运车辆。

在另一种可能的实现方式中，在所述对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像之前，所述方法还包括：

基于所述非载客车辆的多张目标抓拍图像，确定所述非载客车辆在所述第一抓拍时间范围内、所述预设区域内的出现次数；

当所述出现次数大于第三预设阈值时，执行所述对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像的步骤。

另一方面，提供了一种车辆识别装置，所述装置包括：

第一获取模块，用于获取同一非载客车辆的多张目标抓拍图像，每张所述目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像；

识别模块，用于对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像；

第一确定模块，用于基于所述多张人脸图像，确定所述非载客车辆内除司机之外的不同乘客的第一数量；

第二确定模块，用于当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆。

在一种可能的实现方式中，所述第二确定模块，还用于当所述第一数量大于所述第一预设阈值时，根据所述非载客车辆的每张所述目标抓拍图像的抓拍时间，统计抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量；所述第二抓拍时间范围小于或者等于所述第一抓拍时间范围；当所述第二数量大于第二预设阈值时，确定所述非载客车辆为非法营运车辆。

在另一种可能的实现方式中，所述第二确定模块，还用于当所述第一数量大于所述第一预设阈值时，获取所述非载客车辆在第三抓拍时间范围内的出行轨迹，所述第三抓拍时间范围大于或者等于所述第一抓拍时间范围；当所述出行轨迹覆盖的轨迹范围大于预设轨迹范围时，确定所述非载客车辆为非法营运车辆。

在另一种可能的实现方式中，所述装置还包括：

第三确定模块，用于基于所述非载客车辆的多张目标抓拍图像，确定所述非载客车辆在所述第一抓拍时间范围内、所述预设区域内的出现次数；

所述识别模块，还用于当所述出现次数大于第三预设阈值时，对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像。

另一方面，提供了一种电子设备，所述电子设备包括：

处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现上述车辆识别方法中所执行的操作。

另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现上述车辆识别方法中所执行的操作。

本申请实施例提供的技术方案带来的有益效果是：

本申请实施例提供了一种车辆识别方法，获取同一非载客车辆的多张目标抓拍图像，每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像；对每张目标抓拍图像进行人脸识别，得到多张人脸图像；基于多张人脸图像，确定非载客车辆内除司机之外的不同乘客的第一数量；当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆。该方法通过对目标抓拍图像进行人脸识别，根据人脸识别结果确定非载客车辆中不同乘客的数量，通过比较不同乘客的数量和第一预设阈值的大小，来确定该非载客车辆是否为非法营运车辆，而无需根据登记的非法营运车辆的车辆信息进行模型训练，提高了车辆识别的准确率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

图1是本申请实施例提供的一种车辆识别方法的流程图；

图2是本申请实施例提供的一种车辆识别的实施环境的示意图；

图3是本申请实施例提供的一种电子设备各模块之间交互的示意图；

图4是本申请实施例提供的一种车辆识别方法的流程图；

图5是本申请实施例提供的一种电子设备配置车辆识别参数的示意图；

图6是本申请实施例提供的一种电子设备先对满足条件的多张抓拍图像进行车牌识别，然后根据登记的非载客车辆的车辆信息，获取同一非载客车辆的多张目标抓拍图像，最后对同一非载客车辆的多张目标抓拍图像进行初步人脸识别，得到能识别到除司机的人脸之外的其他人脸的多张目标抓拍图像的示意图；

图7是本申请实施例提供的一种电子设备在确定非载客车辆在第一抓拍时间范围、预设区域内的出现次数大于第三预设阈值时，才进行人脸识别的示意图；

图8是本申请实施例提供的一种电子设备在确定第一数量大于第一预设阈值时，根据该非载客车辆的出行轨迹覆盖的轨迹范围确定该非载客车辆是否为非法营运车辆的示意图；

图9是相关技术提供的一种车辆识别方法的流程图；

图10是本申请实施例提供的一种车辆识别装置的结构示意图；

图11是本申请实施例提供的一种电子设备的结构框图。

具体实施方式

为使本申请的技术方案和优点更加清楚，下面对本申请实施方式作进一步地详细描述。

本申请实施例提供了一种车辆识别方法，参见图1，该方法包括：

步骤101：获取同一非载客车辆的多张目标抓拍图像，每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像。

步骤102：对每张目标抓拍图像进行人脸识别，得到多张人脸图像。

步骤103：基于多张人脸图像，确定非载客车辆内除司机之外的不同乘客的第一数量。

步骤104：当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆。

在本申请实施例中，通过对目标抓拍图像进行人脸识别，根据人脸识别结果确定非载客车辆中不同乘客的数量，通过比较不同乘客的数量和第一预设阈值的大小，来确定该非载客车辆是否为非法营运车辆，而无需根据登记的非法营运车辆的车辆信息进行模型训练，提高了非法营运车辆识别的准确率。

在一种可能的实现方式中，当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆，包括：

当第一数量大于第一预设阈值时，根据非载客车辆的每张目标抓拍图像的抓拍时间，统计抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量；第二抓拍时间范围小于或者等于第一抓拍时间范围；

当第二数量大于第二预设阈值时，确定非载客车辆为非法营运车辆。

在本申请实施例中，第一数量大于第一预设阈值，说明该车辆搭载了多名不同乘客，这种情况下，如果抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量大于第二预设阈值，说明该车辆在非法营运车辆对应的第二抓拍时间范围搭载了多名不同乘客，此时判断该车辆为非法营运车辆的准确率较高。

在另一种可能的实现方式中，当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆，包括：

当第一数量大于第一预设阈值时，获取非载客车辆在第三抓拍时间范围内的出行轨迹，第三抓拍时间范围大于或者等于第一抓拍时间范围；

当该出行轨迹覆盖的轨迹范围大于预设轨迹范围时，确定非载客车辆为非法营运车辆。

在本申请实施例中，第一数量大于第一预设阈值，说明该车辆搭载了多名不同乘客，而对于运营车辆，不同的乘客，其前往的目的地可能不同，因此会导致该车辆的出行轨迹覆盖的轨迹范围较大。因此，在第一数量大于第一预设阈值时，还结合该车辆的出行轨迹覆盖的轨迹范围来判断该车辆是否为非法营运车辆，可以提高非法营运车辆识别的准确率。

在另一种可能的实现方式中，在对每张目标抓拍图像进行人脸识别，得到多张人脸图像之前，方法还包括：

基于非载客车辆的多张目标抓拍图像，确定非载客车辆在第一抓拍时间范围内、预设区域内的出现次数；

当出现次数大于第三预设阈值时，执行对每张目标抓拍图像进行人脸识别，得到多张人脸图像的步骤。

在本申请实施例中，先确定该非载客车辆在第一抓拍时间范围、预设区域内的出现次数，当该出现次数大于第三预设阈值时，说明该非载客车辆出行比较频繁，有可能为非法营运车辆。此时再对每张目标抓拍图像进行人脸识别，可以缩小非法营运车辆的识别范围，提高非法营运车辆的识别效率。

本申请实施例提供了一种车辆识别的实施环境，参见图2，该实施环境包括：电子设备201和至少一个监控设备202。电子设备201和至少一个监控设备中的每个监控设备202之间可以通过无线或有线连接。对于至少一个监控设备202中的任一监控设备202，该监控设备202可以设置在道路交通路口的上方或者卡口的上方，用于对过往车辆进行抓拍，得到抓拍图像。

该监控设备202可以向电子设备201发送其抓拍到的抓拍图像。电子设备201用于根据该监控设备202发送的抓拍图像进行车辆识别，确定是否存在非法营运车辆。

需要说明的一点是，在本申请实施例中，电子设备201可以为终端，也可以为服务器。当电子设备201为终端时，可以直接进行车辆识别，显示车辆识别结果；当电子设备201为服务器时，由服务器先进行车辆识别，然后将车辆识别结果发送给终端，由终端显示车辆识别结果，相应的，该实施环境还包括：终端。在本申请实施例中，以电子设备201为服务器为例进行说明。

当由电子设备201(也即服务器)进行车辆识别时，参见图3，电子设备201中可以包括：数据接入模块、数据队列模块、车辆数据模块、人脸数据模块和车辆应用模块。

数据接入模块和监控设备202之间通过无线或者有线连接，数据接入模块用于从监控设备202中获取多张抓拍图像，将该多张抓拍图像存储到云服务器中。其中，该多张抓拍图像为经过监控设备202对应的抓拍地点的车辆的图像，该多张抓拍图像可以为一个车辆的抓拍图像，也可以为多个车辆的抓拍图像。在本申请实施例中，对此不作具体限定。

数据接入模块还用于将多张抓拍图像中车辆被抓拍的抓拍时间、抓拍地点等过车数据存储到数据队列模块，数据接入模块还用于对多张抓拍图像进行人脸识别，得到人脸特征信息，将人脸特征信息存储到数据队列模块。

相应的，该实施环境中还包括：云服务器。监控设备202向电子设备201发送多张抓拍图像，通过数据接入模块将多张抓拍图像存储在云服务器中。当对车辆进行识别，电子设备201从云服务器中选择符合条件的同一非载客车辆的多张目标抓拍图像。

车辆数据模块和数据队列模块之间通过无线或有线连接，车辆数据模块用于从数据队列模块中获取多张抓拍图像中车辆被抓拍的抓拍时间、抓拍地点等过车数据，根据该过车数据生成该车辆的出行轨迹；

车辆应用模块定时从数据队列模块中获取过车数据、人脸特征信息等数据，车辆数据模块和车辆应用模块之间也可以通过无线或有线连接，车辆应用模块用于当非载客车辆内除司机之外的不同乘客的第一数量大于第一预设阈值时，从车辆数据模块中获取该非载客车辆的出行轨迹。

人脸数据模块和数据队列模块之间通过无线或有线连接，人脸数据模块用于从数据队列模块中获取多张抓拍图像中的人脸特征信息，根据人脸特征信息确定多张抓拍图像中除司机之外具有不同其他人脸的抓拍图像。

车辆应用模块和人脸数据模块之间也可以通过无线或有线连接，车辆应用模块用于从人脸数据模块中获取具有不同其他人脸的抓拍图像。

车辆应用模块，还用于从车管所的车辆管理数据库中获取登记的非载客车辆的车辆信息，还可以获取与该车辆信息对应的车主信息。该车辆信息可以为预设区域内车辆的车辆信息，该预设区域可以为一个县、一个市或者一个省。在本申请实施例中，对此不作具体限定。

该车主信息包括车主的住址信息、通话号码。该车辆信息包括车辆的车牌信息，该车辆信息还可以包括车辆的外观信息、车型信息、厂商信息和营运信息中的至少一个信息，其中，该营运信息可以为车辆为载客车辆的信息或者非载客车辆的信息。

车辆应用模块和数据队列模块之间可以通过无线或有线连接，车辆应用模块用于从数据队列模块中获取多张抓拍图像中车辆被抓拍的抓拍时间、抓拍地点等过车数据以及多张抓拍图像中的人脸特征信息。车辆应用模块还用于根据多张抓拍图像中车辆被抓拍的抓拍时间、抓拍地点等过车数据以及从车管所的车辆管理数据中获取的车辆信息确定同一非载客车辆的多张目标抓拍图像，根据人脸特征信息从人脸数据模块中获取该非载客车辆对应的具有不同人脸的多张目标抓拍图像，确定该非载客车辆内除司机之外的不同乘客的第一数量，当第一数量大于第一预设阈值时，确定该非载客车辆为非法营运车辆。

车辆应用模块，还用于在确定该非载客车辆为非法营运车辆后，从车辆数据模块中获取该非载客车辆的出行轨迹。

在一种可能的实现方式中，电子设备201中还可以包括：建立模块。该建立模块和人脸数据模块之间可以通过无线或有线连接，建立模块用于建立人脸识别模型，人脸数据模块根据该人脸识别模型识别抓拍图像中是否存在除司机之外的人脸，以及识别除司机之外的人脸是否为同一人脸。

在本申请实施例中，电子设备201可以是一个集群，该集群中包括多个电子设备201，每个电子设备201执行车辆识别方法中的部分操作，从而实现了分布式的架构模型，为多样化的数据接入提供接口，运用分布式缓存和大数据技术对车辆进行识别，减轻了电子设备201的负担，提高了识别效率。并且，电子设备201可以实现电子设备201、监控设备202和云服务器之间的对接，实现分布式部署，缓解电子设备201的识别压力。

当电子设备201识别出非法营运车辆后，可以向终端发送该非法营运车辆的车辆信息，终端显示非法营运车辆的车辆信息，该车辆信息包括非法营运车辆的车牌信息。电子设备201还可以向终端发送该非法营运车辆的车主信息，终端显示非法营运车辆的车主信息，该车主信息包括车主的住址信息、通话号码。另外，电子设备201还可以根据非法营运车辆被抓拍时的每个抓拍地点，在电子地图中生成非法营运车辆的出行轨迹，向终端发送该非法营运车辆的出行轨迹的轨迹数据，终端在电子地图上渲染该轨迹数据，显示该非法营运车辆的出行轨迹，在该出行轨迹上标注与每个抓拍地点对应的目标抓拍图像和乘客的人脸图像。从而相关人员可以根据车辆信息、出行轨迹和车主信息对该车辆和车主采取相应措施。

本申请实施例提供了一种车辆识别方法，应用于电子设备，参见图4，该方法包括：

步骤401：电子设备接收至少一个监控设备发送的多张抓拍图像，将该多张抓拍图像存储在云服务器中。

在一种可能的实现方式中，电子设备可以接收至少一个监控设备发送的多张抓拍图像以及其抓拍地点和抓拍时间。对于至少一个监控设备中的任一监控设备，该监控设备可以实时对多个第一车辆进行抓拍，也可以周期性对多个第一车辆进行抓拍，也可以在检测到有车辆通过时才进行抓拍。该监控设备可以在每抓拍到一张抓拍图像后，向电子设备发送一张抓拍图像，电子设备每接收到一张抓拍图像，存储该抓拍图像。

在另一种可能的实现方式中，监控设备也可以将抓拍到的抓拍图像存储在监控设备中，在当前时间和抓拍时间之间的时间间隔达到预设时间间隔时，向电子设备发送该预设时间间隔内抓拍到的多张抓拍图像。

在另一种可能的实现方式中，监控设备也可以向电子设备发送指定时间段内的多张抓拍图像。电子设备接收该多张抓拍图像，存储该多张抓拍图像。

相应的，在一种可能的实现方式中，监控设备可以在向电子设备发送抓拍图像时，还向电子设备发送每张抓拍图像抓拍时的抓拍地点和抓拍时间。在另一种可能的实现方式中，电子设备也可以从接收到的抓拍图像中获取其对应的抓拍地点和抓拍时间。在本申请实施例中，对此不作具体限定。

在一种可能的实现方式中，电子设备可以确定预设区域内的至少一个监控设备，对于每个监控设备，电子设备向该监控设备发送获取指令，该获取指令用于获取该监控设备对应的抓拍地点的抓拍图像。该监控设备接收该获取指令，向电子设备发送该抓拍地点的抓拍图像。相应的，电子设备接收该至少一个监控设备发送的多张抓拍图像，该多张抓拍图像为预设区域内多个抓拍地点的抓拍图像。

在一种可能的实现方式中，预设区域内包括多个抓拍地点，对于任一抓拍地点的一次抓拍，监控设备抓拍经过该抓拍地点的车辆时，可以连续抓拍，得到第三数量张抓拍图像，向电子设备发送该第三数量张抓拍图像。电子设备接收该第三数量张抓拍图像，从中选取任一张抓拍图像或者选取一张清晰度高的抓拍图像，作为该抓拍地点抓拍到的抓拍图像。在另一种可能的实现方式中，监控设备也可以从第三数量张抓拍图像选取一张抓拍图像，向电子设备发送其选取的抓拍图像。

其中，第三数量可以根据需要进行设置并更改，例如，第三数量可以为2、3或者4。在本申请实施例中，对此不作具体限定。

本步骤中，电子设备将多张抓拍图像存储在云服务器，可以避免多张抓拍图像占用本地的存储空间，提高本地的运行速率。在一种可能的实现方式中，电子设备也可以将多张抓拍图像存储在本地，相应的，步骤401可以为：电子设备接收至少一个监控设备发送的多张抓拍图像，将该多张抓拍图像存储在本地。

其中，电子设备将多张抓拍图像存储在本地，后续进行车辆识别时，可以直接对本地存储的多张抓拍图像进行筛选，提高车辆识别效率。在本申请实施例中，仅以电子设备将多张抓拍图像存储在云服务器中为例进行说明。

需要说明的一点是，在本步骤之前，参见图5，电子设备可以先确定车辆识别参数，基于配置好的车辆识别参数，进行车辆识别。其中，车辆识别参数包括：第一抓拍时间范围和预设区域。其中，第一抓拍时间范围为电子设备进行车辆识别的时间范围，预设区域为电子设备进行车辆识别的区域范围。第一抓拍时间范围和预设区域均为预先配置的车辆识别参数，这两个车辆识别参数的大小均可以根据需要进行设置并更改。在本申请实施例中，对此不作具体限定。例如，第一抓拍时间范围可以为00:00～24:00、05:00～22:00或者07:00～22:00，预设区域可以为一个市的主城区或一个县的县城区域。

在一种可能的实现方式中，电子设备可以和终端建立连接，终端上安装有车辆识别的应用程序，终端可以进入该应用程序的初始界面，在该初始界面上显示有车辆识别参数的多个配置选项，每个配置选项对应不同的车辆识别参数。并且，每个配置选项包括默认的车辆识别参数和自定义选项，电子设备可以将默认的配置选项或者用户自定义的配置选项，确定为车辆识别时的车辆识别参数。当车辆识别参数配置成功时，电子设备根据配置好的车辆识别参数进行车辆识别。当每个车辆识别参数均配置失败时，或者不配置时，电子设备获取默认的车辆识别参数进行车辆识别。

需要说明的一点是，不同的地区可能进行车辆识别的条件不同，在本申请实施例中，电子设备可以根据当地的政策和业务进行车辆识别参数的配置，无需二次开发配置，从而提高了车辆识别的可配置性能。

在一种可能的实现方式中，电子设备执行完步骤401后，可以直接执行步骤402。在另一种可能的实现方式中，电子设备也可以在接收到至少一个监控设备发送的多张抓拍图像后，对多张抓拍图像进行车牌识别，从该多张抓拍图像中剔除无法识别车牌的抓拍图像，对于可识别出车牌的抓拍图像，将同一车牌信息的抓拍图像存储到云服务器中的一个图像库中，实现将可识别出车牌的多张抓拍图像存储到云服务器中，然后再执行步骤402。在本申请实施例中，对此不作具体限定。

步骤402：电子设备从云服务器中获取同一非载客车辆的多张目标抓拍图像，每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像。

在一种可能的实现方式中，当电子设备执行完步骤401后，直接执行本步骤时，电子设备可以从云服务器中获取抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的多张抓拍图像，对满足该条件的多张抓拍图像进行车牌识别，从满足该条件的多张抓拍图像中剔除无法识别车牌的抓拍图像，得到满足该条件且可识别出车牌的多张抓拍图像。对于满足该条件且可识别出车牌的多张抓拍图像，电子设备可以从车管所的车辆管理数据库中获取登记的非载客车辆的车辆信息，根据登记的非载客车辆的车辆信息，从满足该条件且可识别出车牌的多张抓拍图像中获取同一非载客车辆的多张目标抓拍图像。每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像。该实现方式中，该车辆信息为车牌信息。参见图6，图6为电子设备先对满足该条件的多张抓拍图像进行车牌识别，从中剔除无法识别车牌的抓拍图像，然后再根据登记的非载客车辆的车辆信息，从满足该条件且可识别出车牌的多张抓拍图像中获取同一非载客车辆的多张目标抓拍图像的示意图。

在另一种可能的实现方式中，对于满足该条件且可识别出车牌的多张抓拍图像，电子设备也可以从车管所的车辆管理数据库中获取登记的载客车辆的车辆信息，根据载客车辆的车辆信息，从满足该条件且可识别出车牌的多张抓拍图像中获取同一非载客车辆的多张目标抓拍图像。在本申请实施例中，仅以电子设备从车辆管理数据库中获取登记的非载客车辆的车辆信息为例进行说明。

需要说明的一点是，车管所的车辆管理数据库中登记的非载客车辆的车辆信息包括合法私家车辆的车辆信息和非法营运车辆的车辆信息。登记的载客车辆的车辆信息为合法营运车辆的车辆信息，该载客车辆可以为出租车、公交车等。

在一种可能的实现方式中，当电子设备存储到云服务器中的多张抓拍图像均为可识别出车牌的抓拍图像时，本步骤中，电子设备可以根据登记的非载客车辆的车辆信息，从云服务器中获取同一非载客车辆的多张目标抓拍图像。每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像。该实现方式中，该车辆信息为车牌信息。

在一种可能的实现方式中，电子设备在根据登记的非载客车辆的车辆信息，从满足该条件且可识别出车牌的多张抓拍图像中获取同一非载客车辆的多张目标抓拍图像之前，电子设备可以根据车辆的车型信息、厂商信息和外观信息中的至少一种，对满足该条件且可识别出车牌的多张抓拍图像进行进一步筛选，从而缩小车辆识别范围，提高车辆识别效率。

在另一种可能的实现方式中，电子设备也可以在根据登记的非载客车辆的车辆信息，从云服务器中获取同一非载客车辆的多张目标抓拍图像之前，根据车辆的车型信息、厂商信息和外观信息中的至少一种，对云服务器中可识别出车牌的多张抓拍图像进行筛选，从而缩小车辆识别范围，提高车辆识别效率。在本申请实施例中，仅以电子设备根据车辆的车型信息、厂商信息和外观信息中的至少一种，对云服务器中可识别出车牌的多张抓拍图像进行筛选为例进行说明。

当该车辆信息为车型信息时，电子设备可以从云服务器存储的多张抓拍图像中剔除车型尺寸超过预设车型尺寸的抓拍图像，得到车型尺寸不超过预设车型尺寸的多张抓拍图像，然后再根据登记的非载客车辆的车辆信息，从车型尺寸不超过预设车型尺寸的多张抓拍图像中获取同一非载客车辆的多张目标抓拍图像。预设车型尺寸可以为运输货物的货车对应的尺寸。

当该车辆信息为厂商信息时，电子设备可以从云服务器存储的多张抓拍图像中剔除厂商信息为指定厂商信息的抓拍图像，得到厂商信息不是指定厂商信息的多张抓拍图像，然后再根据登记的非载客车辆的车辆信息，从厂商信息不是指定厂商信息的多张抓拍图像中获取同一非载客车辆的多张目标抓拍图像。指定厂商可以为法拉利厂商、奔驰厂商、宝马厂商等。

当该车辆信息为外观信息时，电子设备可以从云服务器存储的多张抓拍图像中剔除车辆外观损毁严重的抓拍图像，得到外观良好的多张抓拍图像，然后再根据登记的非载客车辆的车辆信息，从外观良好的多张抓拍图像中获取同一非载客车辆的多张目标抓拍图像。

需要说明的一点是，电子设备还可以同时根据车辆的车型信息、厂商信息和外观信息中的两种或三种对云服务器存储的多张抓拍图像进行筛选，然后根据登记的非载客车辆的车辆信息，从筛选后的多张抓拍图像中获取获取同一非载客车辆的多张目标抓拍图像。

在本申请实施例中，电子设备通过上述多个筛选条件进行筛选，可以缩小后续的车辆识别范围，提高车辆识别效率。

在一种可能的实现方式中，对于同一非载客车辆，电子设备执行完步骤402后，可以直接对该非载客车辆的每张目标抓拍图像进行人脸识别，也即执行步骤403。

在另一种可能的实现方式中，对于同一非载客车辆，电子设备执行完步骤402后，可以对该非载客车辆的多张目标抓拍图像进行初步人脸识别，从多张目标抓拍图像中剔除除司机的人脸之外，无法识别到其他人脸的目标抓拍图像，得到同一非载客车辆的可识别到其他人脸的多张目标抓拍图像，然后再进行深度人脸识别，也即执行步骤403。继续参见图6，从图6中可以看出：电子设备在得到该非载客车辆的多张目标抓拍图像后，还进行初步人脸识别，从中剔除无法识别到其他人脸的目标抓拍图像，得到能识别到其他人脸的多张目标抓拍图像。另外，电子设备也可以先对满足条件的多张抓拍图像进行车牌识别，然后进行初步人脸识别，最后根据登记的非载客车辆的车辆信息，获取同一非载客车辆的多张目标抓拍图像。在本申请实施例中，对此不作具体限定。

在另一种可能的实现方式中，电子设备执行完步骤402后，在该非载客车辆在第一抓拍时间范围内、预设区域内的出现次数大于第三预设阈值时，才执行步骤403。相应的，该步骤可以为：电子设备基于该非载客车辆的多张目标抓拍图像，确定该非载客车辆在第一抓拍时间范围内、预设区域内的出现次数；当出现次数大于第三预设阈值时，电子设备执行步骤403。参见图7，图7为电子设备先确定非载客车辆在第一抓拍时间范围内、预设区域内的出现次数是否大于第三预设阈值，在大于第三预设阈值时，才进行人脸识别的示意图。

其中，电子设备可以根据同一非载客车辆在同一抓拍地点的出现次数以及预设区域内包括的抓拍地点的数量，可以确定该非载客车辆在第一抓拍时间范围内、预设区域内的出现次数。

对于同一非载客车辆在同一抓拍地点的出现次数，电子设备确定该非载客车辆在同一抓拍地点出现的n张目标抓拍图像，电子设备确定该多张目标抓拍图像之间的时间间隔是否在预设时间间隔范围内，当该时间间隔不在预设时间间隔范围内，则该非载客车辆在该抓拍地点的出现次数为n。当该时间间隔在预设时间间隔范围内，该非载客车辆在该抓拍地点的出现次数为(n-1)。例如，一非载客车辆在同一抓拍地点出现的目标抓拍图像为2张，该2张目标抓拍图像之间的时间间隔为2分钟，该非载客车辆的行驶方向相反，说明该非载客车辆在该抓拍地点掉头，此时可以认为该非载客车辆在该抓拍地点的出现次数为1。

在本申请实施例中，电子设备在非载客车辆在第一抓拍时间范围内、预设区域内的出现次数大于第三预设阈值时，才进行人脸识别，可以缩小车辆识别范围，提高车辆识别效率。

在另一种可能的实现方式中，电子设备也可以执行完步骤402后，对非载客车辆的多张目标抓拍图像进行初步人脸识别，然后在该非载客车辆在第一抓拍时间范围内、预设区域内的出现次数大于第三预设阈值时，才执行步骤403。在本申请实施例中，对此不作具体限定。

第三预设阈值可以根据需要进行设置并更改，在本申请实施例中，对此不作具体限定。例如，第三预设阈值可以为8、10或者11。

步骤403：电子设备对每张目标抓拍图像进行人脸识别，得到多张人脸图像。

对于同一非载客车辆的多张目标抓拍图像，电子设备可以对该非载客车辆的每张目标抓拍图像进行人脸识别。其中，对于每张目标抓拍图像，电子设备可以对该目标抓拍图像中非载客车辆对应的所有区域进行人脸识别，电子设备也可以对该目标抓拍图像中非载客车辆对应的区域中除司机座位区域之外的其他区域进行人脸识别，电子设备也可以对该目标抓拍图像中非载客车辆内的指定区域进行人脸识别。该其他区域或该指定区域可以为副驾驶座位对应的区域，也可以为后排座位对应的区域。在本申请实施例中，对此不作具体限定。

在一种可能的实现方式中，电子设备可以通过人脸识别模型对多张目标抓拍图像中的每张目标抓拍图像进行人脸识别，得到多张人脸图像。

其中，在本步骤之前，电子设备需要训练人脸识别模型。其中，电子设备训练人脸识别模型的步骤可以为：电子设备获取多个样本图像，在该多个样本图像中标注人脸特征信息。根据该多个样本图像和标注的人脸特征信息进行训练，得到人脸识别模型。

在本步骤中，电子设备将同一非载客车辆的多张目标抓拍图像输入至人脸识别模型中，通过该人脸识别模型对该多张目标抓拍图像进行人脸识别，从而得到多张人脸图像。

步骤404：电子设备基于多张人脸图像，确定该非载客车辆内除司机之外的不同乘客的第一数量。

本步骤可以通过以下实现方式实现：对于每张人脸图像，电子设备提取该人脸图像中的人脸特征信息，根据该人脸图像中的人脸特征信息，确定该车辆内除司机之外的不同乘客的第一数量。对于每张人脸图像，电子设备根据该人脸图像中的人脸特征信息，确定该人脸图像中的人脸和多张人脸图像中其他人脸图像中的人脸是否为同一人脸。当为同一人脸时，保持非载客车辆内除司机之外的乘客的数量不变；当非同一人脸时，将非载客车辆内除司机之外的的乘客的数量加一。

其中，电子设备根据该人脸特征信息确定该人脸图像中的人脸和多张人脸图像中其他人脸图像中的人脸是否为同一人脸的步骤可以为：电子设备确定该人脸图像中的人脸特征信息和多张人脸图像中其他人脸图像中的人脸特征信息之间的相似度，确定该相似度是否大于第四预设阈值，当该相似度大于第四预设阈值时，确定该人脸图像中的人脸和该其他人脸图像中的人脸为同一人脸；当该相似度不大于第四预设阈值时，确定该人脸图像中的人脸和该其他人脸图像中的人脸非同一人脸。

第四预设阈值可以根据需要进行设置并更改，在本申请实施例中，对此不作具体限定。例如，第四预设阈值可以为0.6、0.7或者0.8。

步骤405：当第一数量大于第一预设阈值时，电子设备确定该非载客车辆为非法营运车辆。

在一种可能的实现方式中，当第一数量大于第一预设阈值时，电子设备可以直接确定该非载客车辆为非法营运车辆。

该第一数量大于第一预设阈值，说明该非载客车辆在第一抓拍时间范围内搭载了多个不同乘客，电子设备可以直接确定该非载客车辆为非法营运车辆。该非法营运车辆可以为一城市内非法营运的车辆，也可以为在一城市与另一城市之间非法营运的车辆。

第一预设阈值可以根据需要进行设置并更改，在本申请实施例中，对此不作具体限定。例如，第一预设阈值可以为4、5或者6。

在另一种可能的实现方式中，电子设备还可以在第一数量大于第一预设阈值时，根据该非载客车辆的每张目标抓拍图像的抓拍时间，确定该非载客车辆是否为非法营运车辆。相应的，该步骤可以为：当第一数量大于第一预设阈值时，电子设备根据非载客车辆的每张目标抓拍图像的抓拍时间，统计抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量，第二抓拍时间小于或者等于第一抓拍时间范围；当第二数量大于第二预设阈值时，电子设备确定该非载客车辆为非法营运车辆。

非载客车辆中包括合法非营运车辆和非法营运车辆，在第一抓拍时间范围内，合法非营运车辆一般只在上下班期间行驶，在有事时才会在其他时间行驶，而非法营运车辆几乎一直在行驶。例如，上午上班时间一般为08:00～09:30，中午下班时间一般为12:00，下午下班时间一般为17:00～18:30，则合法非营运车辆上午被抓拍的时间一般不会超过10:00，中午被抓拍的时间范围一般在12:00～14:00，下午被抓拍的时间范围在16:30之后，而非法营运车辆在10:00～12:00以及14:00～16:30范围内仍会行驶。因此，在该实现方式中，可以根据该非载客车辆被抓拍的抓拍时间，统计抓拍时间在第二抓拍时间范围内的目标抓拍图像的第二数量。在第二数量大于第二预设阈值时，才确定该非载客车辆为非法营运车辆。

第二预设阈值可以根据需要进行设置并更改，例如，第二预设阈值可以为3、4或5。在本申请实施例中，对此不作具体限定。

在本申请实施例中，第一数量大于第一预设阈值，说明该车辆搭载了多名不同乘客，这种情况下，如果抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量大于第二预设阈值，说明该车辆在非法营运车辆对应的第二抓拍时间范围搭载了多名不同乘客，则该车辆很有可能为非法营运车辆。因此，在第一数量大于第一预设阈值时，还根据第二数量和第二预设阈值的关系确定该车辆是否为非法营运车辆，可以提高非法营运车辆识别的准确率。

在另一种可能的实现方式中，电子设备还可以在第一数量大于第一预设阈值时，根据该非载客车辆的出行轨迹覆盖的轨迹范围，确定该非载客车辆是否为非法营运车辆。相应的，该步骤可以为：当第一数量大于第一预设阈值时，电子设备获取给非载客车辆在第三抓拍时间范围内的出行轨迹，第三抓拍时间范围大于或者等于第一抓拍时间范围；当非载客车辆在第三抓拍时间范围内的出行轨迹覆盖的轨迹范围大于预设轨迹范围时，确定该非载客车辆为非法营运车辆。

在本申请实施例中，第三抓拍时间范围可以等于第一抓拍时间范围，此时该非载客车辆在第三抓拍时间范围内的出行轨迹即为第一抓拍时间范围内的出行轨迹。例如，第一抓拍时间范围为X年X月X日的00:00～24:00。

第三抓拍时间范围也可以大于第一抓拍时间范围，也即该非载客车辆在第三抓拍时间范围内的出行轨迹不仅包括该非载客车辆在第一抓拍时间范围内的出行轨迹，还包括该非载客车辆在其他时间范围内的出行轨迹。该其他时间范围可以为历史时间范围，也可以为未来时间范围，也可以为历史时间范围和未来时间范围。

在一种可能的实现方式中，当该其他时间范围为历史时间范围时，该第三抓拍时间范围包括历史时间范围和第一抓拍时间范围。其中，电子设备生成非载客车辆在第三抓拍时间范围内的出行轨迹的步骤可以为：电子设备根据非载客车辆在第三抓拍时间范围内被抓拍的抓拍地点和抓拍时间，在电子地图中确定与该抓拍地点对应的地图位置，根据该地图位置和该抓拍地点对应的抓拍时间，生成该非载客车辆在第三抓拍时间范围内的出行轨迹。

其中，历史时间范围可以根据需要进行设置并更改，预设轨迹范围也可以根据需要进行设置并更改，在本申请实施例中，对此不作具体限定。参见图8，图8为电子设备根据非载客车辆的出行轨迹覆盖的轨迹范围，确定该非载客车辆是否为非法营运车辆，以及当确定该非载客车辆为非法营运车辆时，是否采取相应措施的示意图。

在本申请实施例中，第一数量大于第一预设阈值，说明该车辆搭载了多名不同乘客，而不同的乘客，其前往的目的地可能不同，因此，如果该车辆为非法营运车辆，则该车辆每次送乘客前往其目的地时，可能会采用不同的路线，导致该车辆的出行轨迹覆盖的轨迹范围较大。因此，在第一数量大于第一预设阈值时，还结合该车辆的出行轨迹覆盖的轨迹范围来判断该车辆是否为非法营运车辆，可以提高非法营运车辆识别的准确率。

在一种可能的实现方式中，电子设备可以在该非载客车辆在相应抓拍时间范围内对应的出行轨迹上标注与抓拍地点对应的目标抓拍图像和人脸图像。该实现方式中通过在电子地图上标注目标抓拍图像和人脸图像，相关人员可以从电子地图中更直观地获取该非载客车辆非法营运的情况，后续可以作为处罚证据对该非载客车辆的车主进行处罚，为相关人员提供了有效的佐证。

在一种可能的实现方式中，电子设备还可以根据非载客车辆在第三抓拍时间范围内的出行轨迹，对该非载客车辆进行预测，继续参见图8。相应的，该步骤可以为：电子设备根据该非载客车辆在第三抓拍时间范围内的出行轨迹，预测该非载客车辆在指定时间段出现的地点的位置信息，向指定设备发送该地点的位置信息；或者，预测该非载客车辆在指定地点出现的时间段，向指定设备发送该时间段。

例如，电子设备对该非载客车辆进行实时预测，电子设备可以根据当前时间、该车辆的行驶速度和行驶方向，预测该非载客车辆在指定时间段出现的地点的位置信息，向指定设备发送该位置信息，从而指定设备对应的相关人员可以根据该位置信息对该非载客车辆采取相应措施。

再如，电子设备还可以根据该非载客车辆在第一抓拍时间范围和/或历史时间范围内的多次出行轨迹，确定每次出行轨迹中必经过地点的位置信息，获取该非载客车辆每次经过该地点的时间，得到多个时间点，将该多个时间点组成时间段，向指定设备发送该时间段，从而指定设备对应的相关人员可以根据在该时间段对该非载客车辆采取相应措施。例如，该非载客车辆每天上午七点从家里出发，在七点至七点半的时间段内都会经过其家附近的一路口，相关人员可以在该时间段内、在该路口发现该非载客车辆时，对其采取相应措施。

在本申请实施例中，电子设备在确定该非载客车辆为非法营运车辆后，对该非法营运车辆进行预测的方法，可以帮助相关人员对非法营运车辆展开精准打击，提高打击的准确率。

在另一种可能的实现方式中，电子设备还可以在确定该非载客车辆为非法营运车辆后，从车管所获取该非载客车辆登记的车主信息，根据车主信息中的住址信息，查找车主，从而采取相应措施。

需要说明的一点是，电子设备还可以预先配置第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值以及当确定该非载客车辆为非法营运车辆时，是否对该非载客车辆或该非载客车辆的车主采取措施中的至少一个车辆识别参数。相应的，终端上安装的车辆识别的应用程序的初始界面上还显示有该至少一个车辆识别参数的配置选项。电子设备可以根据配置好的至少一个车辆识别参数或者默认的至少一个车辆识别参数进行车辆识别，继续参见图5。

需要说明的另一点是，相关技术中，先训练得到非法营运车辆识别模型，根据非法营运车辆识别模型识别过往车辆，确定过往车辆是否为非法营运车辆的错误率高，准确率低。其过程可以参见图9。

本申请实施例提供了一种车辆识别方法，获取同一非载客车辆的多张目标抓拍图像，每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像；对每张目标抓拍图像进行人脸识别，得到多张人脸图像；基于多张人脸图像，确定非载客车辆内除司机之外的不同乘客的第一数量；当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆。该方法通过对目标抓拍图像进行人脸识别，根据人脸识别结果确定非载客车辆中不同乘客的数量，通过比较不同乘客的数量和第一预设阈值的大小，来确定该非载客车辆是否为非法营运车辆，而无需根据登记的非法营运车辆的车辆信息进行模型训练，提高了车辆识别的准确率。

本申请实施例提供了一种车辆识别装置，参见图10，该装置包括：

第一获取模块1001，用于获取同一非载客车辆的多张目标抓拍图像，每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像；

识别模块1002，用于对每张目标抓拍图像进行人脸识别，得到多张人脸图像；

第一确定模块1003，用于基于多张人脸图像，确定非载客车辆内除司机之外的不同乘客的第一数量；

第二确定模块1004，用于当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆。

在一种可能的实现方式中，第二确定模块1004，还用于当第一数量大于第一预设阈值时，根据非载客车辆的每张目标抓拍图像的抓拍时间，统计抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量；第二抓拍时间范围小于或者等于第一抓拍时间范围；当第二数量大于第二预设阈值时，确定非载客车辆为非法营运车辆。

在另一种可能的实现方式中，第二确定模块1004，还用于当第一数量大于第一预设阈值时，获取非载客车辆在第三抓拍时间范围内的出行轨迹，第三抓拍时间范围大于或者等于第一抓拍时间范围；当出行轨迹覆盖的轨迹范围大于预设轨迹范围时，确定非载客车辆为非法营运车辆。

在另一种可能的实现方式中，装置还包括：

第三确定模块，用于基于非载客车辆的多张目标抓拍图像，确定非载客车辆在第一抓拍时间范围内、预设区域内的出现次数；

识别模块1002，还用于当出现次数大于第三预设阈值时，对每张目标抓拍图像进行人脸识别，得到多张人脸图像。

本申请实施例提供了一种车辆识别装置，获取同一非载客车辆的多张目标抓拍图像，每张目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像；对每张目标抓拍图像进行人脸识别，得到多张人脸图像；基于多张人脸图像，确定非载客车辆内除司机之外的不同乘客的第一数量；当第一数量大于第一预设阈值时，确定非载客车辆为非法营运车辆。该装置通过对目标抓拍图像进行人脸识别，根据人脸识别结果确定非载客车辆中不同乘客的数量，通过比较不同乘客的数量和第一预设阈值的大小，来确定该非载客车辆是否为非法营运车辆，而无需根据登记的非法营运车辆的车辆信息进行模型训练，提高了车辆识别的准确率。

图11是本申请实施例提供的一种电子设备1100的结构框图。该电子设备1100可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)1101和一个或一个以上的存储器1102，其中，所述存储器1102中存储有至少一条程序代码，所述至少一条程序代码由所述处理器1101加载并执行以实现上述各个方法实施例提供的方法。当然，该电子设备1100还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该电子设备1100还可以包括其他用于实现设备功能的部件，在此不做赘述。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质应用于电子设备，该计算机可读存储介质中存储有至少一条程序代码，该至少一条程序代码由处理器加载并执行，以实现上述实施例的车辆识别方法中电子设备所执行的操作。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅是为了便于本领域的技术人员理解本申请的技术方案，并不用以限制本申请。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆识别方法，其特征在于，所述方法包括：

获取同一非载客车辆的多张目标抓拍图像，每张所述目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像，且每张所述目标抓拍图像是在车辆行驶过程中抓拍得到的；

对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像；

基于所述多张人脸图像，确定所述非载客车辆内除司机之外的不同乘客的第一数量；

当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆；

根据所述非载客车辆的多次出行轨迹，确定每次出行轨迹中必经过地点的位置信息，其中，所述多次出行轨迹为所述非载客车辆在所述第一抓拍时间范围和历史时间范围内中的至少一种时间范围内的出行轨迹；获取所述非载客车辆每次经过所述地点的时间，得到多个时间点，将所述多个时间点组成时间段，向指定设备发送所述时间段。

2.根据权利要求1所述的方法，其特征在于，所述当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆，包括：

当所述第一数量大于所述第一预设阈值时，根据所述非载客车辆的每张所述目标抓拍图像的抓拍时间，统计抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量；所述第二抓拍时间范围小于或者等于所述第一抓拍时间范围；

当所述第二数量大于第二预设阈值时，确定所述非载客车辆为非法营运车辆。

3.根据权利要求1所述的方法，其特征在于，所述当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆，包括：

当所述第一数量大于所述第一预设阈值时，获取所述非载客车辆在第三抓拍时间范围内的出行轨迹，所述第三抓拍时间范围大于或者等于所述第一抓拍时间范围；

当所述出行轨迹覆盖的轨迹范围大于预设轨迹范围时，确定所述非载客车辆为非法营运车辆。

4.根据权利要求1至3任一项所述的方法，其特征在于，在所述对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像之前，所述方法还包括：

基于所述非载客车辆的多张目标抓拍图像，确定所述非载客车辆在所述第一抓拍时间范围内、所述预设区域内的出现次数；

当所述出现次数大于第三预设阈值时，执行所述对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像的步骤。

5.一种车辆识别装置，其特征在于，所述装置包括：

第一获取模块，用于获取同一非载客车辆的多张目标抓拍图像，每张所述目标抓拍图像为抓拍时间在第一抓拍时间范围内，且抓拍地点在预设区域内的抓拍图像，且每张所述目标抓拍图像是在车辆行驶过程中抓拍得到的；

识别模块，用于对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像；

第一确定模块，用于基于所述多张人脸图像，确定所述非载客车辆内除司机之外的不同乘客的第一数量；

第二确定模块，用于当所述第一数量大于第一预设阈值时，确定所述非载客车辆为非法营运车辆；根据所述非载客车辆的多次出行轨迹，确定每次出行轨迹中必经过地点的位置信息，其中，所述多次出行轨迹为所述非载客车辆在所述第一抓拍时间范围和历史时间范围内中的至少一种时间范围内的出行轨迹；获取所述非载客车辆每次经过所述地点的时间，得到多个时间点，将所述多个时间点组成时间段，向指定设备发送所述时间段。

6.根据权利要求5所述的装置，其特征在于，所述第二确定模块，还用于当所述第一数量大于所述第一预设阈值时，根据所述非载客车辆的每张所述目标抓拍图像的抓拍时间，统计抓拍时间在非法营运车辆对应的第二抓拍时间范围内的目标抓拍图像的第二数量；所述第二抓拍时间范围小于或者等于所述第一抓拍时间范围；当所述第二数量大于第二预设阈值时，确定所述非载客车辆为非法营运车辆。

7.根据权利要求5所述的装置，其特征在于，所述第二确定模块，还用于当所述第一数量大于所述第一预设阈值时，获取所述非载客车辆在第三抓拍时间范围内的出行轨迹，所述第三抓拍时间范围大于或者等于所述第一抓拍时间范围；当所述出行轨迹覆盖的轨迹范围大于预设轨迹范围时，确定所述非载客车辆为非法营运车辆。

8.根据权利要求5至7任一项所述的装置，其特征在于，所述装置还包括：

第三确定模块，用于基于所述非载客车辆的多张目标抓拍图像，确定所述非载客车辆在所述第一抓拍时间范围内、所述预设区域内的出现次数；

所述识别模块，还用于当所述出现次数大于第三预设阈值时，对每张所述目标抓拍图像进行人脸识别，得到多张人脸图像。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现如权利要求1至4任一项所述的车辆识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如权利要求1至4任一项所述的车辆识别方法。